emjumeЭкономика и управлениеEconomics and Management1998-16273033-7984СПбУТУиЭ10.35854/1998-1627-2020-7-784-792emjume-937Research ArticleМАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ, СИСТЕМНЫЙ АНАЛИЗMATHEMATICAL MODELING, SYSTEM ANALYSISУправление параметрами технологических процессов нефтепереработкиControlling the Parameters of Technological Processes Involved in Oil RefiningКоронатовН. Н.KoronatovN. N.

Коронатов Николай Николаевич - Ассистент Высшей школы управления и бизнеса СПбПУ Петра Великого.

195251, Санкт-Петербург, ул. Политехническая, д. 29.

Nikolay N. Koronatov - Assistant of the Graduate School of Management and Business Peter the Great St.Petersburg Polytechnic University.

Politekhnicheskaya Str. 29, St. Petersburg, 195251.

ИльинИ. В.Il'inI. V.

Ильин Игорь Васильевич - доктор экономических наук, профессор, директор Высшей школы управления и бизнеса СПбПУ Петра Великого.

195251, Санкт-Петербург, ул. Политехническая, д. 29.

Igor' V. Il'in - Doctor of Sciences (Economics), Professor, Director of the Graduate School of Management and Business Peter the Great St.Petersburg Polytechnic University.

Politekhnicheskaya Str. 29, St. Petersburg, 195251.

ivi2475@gmail.comКалязинаС. Е.KalyazinaS. E.

Калязина София Евгеньевна – ассистент СПбПУ Петра Великого.

195251, Санкт-Петербург, ул. Политехническая, д. 29.

Sofiya E. Kalyazina - Assistant Peter the Great St.Petersburg Polytechnic University.

Politekhnicheskaya Str. 29, St. Petersburg, 195251.

kalyazina_se@spbstu.ruСанкт-Петербургский политехнический университет Петра ВеликогоPeter the Great St.Petersburg Polytechnic University202009092020267784792Copyright © Коронатов Н.Н., Ильин И.В., Калязина С.Е., 20202020Коронатов Н.Н., Ильин И.В., Калязина С.Е.Koronatov N.N., Il'in I.V., Kalyazina S.E.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://emjume.elpub.ru/jour/article/view/937Цель

Цель. Целью данной статьи является разработка референтной модели системы процессов управления параметрами технологических процессов установок, участвующих в производстве товарных нефтепродуктов.

Задачи

Задачи. Использовать специально разработанные математические модели, позволяющие выбирать оптимально настроенные параметры технологических процессов по критерию минимизации издержек производства; учесть требование, связанное с необходимостью поставки конечных нефтепродуктов в количествах, определяемых на основе системы договоров с клиентами; сформулировать ландшафт процессов нефтеперерабатывающего завода; на этой основе определить основные бизнес-процессы нефтеперерабатывающего завода.

Методология

Методология. В качестве методологической основы статьи используются процессный подход, управление процессами, теория принятия решений, теория оптимизации. При проведении исследования использовалась информация о бизнес-процессах нефтеперерабатывающего предприятия, а также результаты исследований по составлению специализированных математических моделей для прогнозной аналитики производства нефтепродуктов.

Результаты

Результаты. Результатом исследования является модель системы основных бизнес-процессов нефтеперерабатывающего предприятия. Также в статье уделяется внимание последующей автоматизации процессов на основе разработанных моделей.

Выводы

Выводы. На основе построения ландшафта процессов и выявления основных бизнес-процессов нефтеперерабатывающего завода возможно построить референтную модель системы процессов управления параметрами технологических процессов нефтепереработки. Дальнейшие исследования будут посвящены оптимизации и автоматизации данной системы бизнес-процессов.

Aim

Aim. The presented study aims to develop a reference model of a system of processes for controlling the parameters of technological processes of installations involved in the production of commercial petroleum products.

Tasks

Tasks. The authors use specially designed mathematical models to select optimally configured parameters of technological processes based on the criterion of minimizing production costs; consider the need to supply final petroleum products in quantities determined by a system of contracts with customers; formulate the process landscape of an oil refinery and identify the main business processes.

Methods

Methods. The methodological basis of this study includes the process approach, process management, decision-making theory, and optimization theory. The study uses information about the business processes of an oil refinery and the results of research on the development of specialized mathematical models for the predictive analytics of petroleum production.

Results

Results. The result of the study is a model of the system of basic business processes of an oil refinery, with a focus on the subsequent automation of processes based on the developed models.

Conclusions

Conclusions. By constructing the process landscape and identifying the main business processes of an oil refinery, it is possible to build a reference model for the system of processes for controlling the parameters of technological processes involved in oil refining. Further research will focus on optimizing and automating this system of business processes.

нефтеперерабатывающее предприятиереферентная модельландшафт бизнес-процессовпрогнозная аналитикауправление параметрамиoil refineryreference modelbusiness process landscapepredictive analyticsparameter controlReferencesWu N. Q. et al. Short-term scheduling of crude oil operations in refinery with high-fusion-point oil and two transportation pipelines // Enterprise Information Systems. 2016. Vol. 10. No. 6. P. 581-610. DOI: 10.1080/17517575.2014.948936Wu N.Q. et al. Short-term scheduling of crude oil operations in refinery with high-fusion-point oil and two transportation pipelines. Enterprise Information Systems. 2016;10(6):581-610. DOI: 10.1080/17517575.2014.948936Andrade T., Ribas G., Oliveira F. A strategy based on convex relaxation for solving the oil refinery operations planning problem // Industrial & Engineering Chemistry Research. 2016. Vol. 55. No. 1. P. 144-155. DOI: 10.1021/acs.iecr.5b01132Andrade T., Ribas G., Oliveira F. A strategy based on convex relaxation for solving the oil refinery operations planning problem. Industrial & Engineering Chemistry Research. 2016;55(1):144-155. DOI: 10.1021/acs.iecr.5b01132Van T. C. et al. Global impacts of recent IMO regulations on marine fuel oil refining processes and ship emissions // Transportation Research Part D: Transport and Environment. 2019. Vol. 70. P. 123-134. DOI: 10.1016/j.trd.2019.04.001Van T.C. et al. Global impacts of recent IMO regulations on marine fuel oil refining processes and ship emissions. Transportation Research Part D: Transport and Environment. 2019;70:123-134. DOI: 10.1016/j.trd.2019.04.001Haslenda H., Jamaludin M. Z. Industry to industry by-products exchange network towards zero waste in palm oil refining processes // Resources, Conservation and Recycling. 2011. Vol. 55. No. 7. P. 713-718. DOI: 10.1016/j.resconrec.2011.02.004Haslenda H., Jamaludin M.Z. Industry to industry by-products exchange network towards zero waste in palm oil refining processes. Resources, Conservation and Recycling. 2011;55(7):713-718. DOI: 10.1016/j.resconrec.2011.02.004Froment G. F. Kinetic modeling of acid-catalyzed oil refining processes // Catalysis Today. 1999. Vol. 52. No. 2-3. P. 153-163. DOI: 10.1016/S0920-5861(99)00073-5Froment G.F. Kinetic modeling of acid-catalyzed oil refining processes. Catalysis Today. 1999;52(2-3):153-163. DOI: 10.1016/S0920-5861(99)00073-5Wu N. Q., Li Z. W., Qu T. Energy efficiency optimization in scheduling crude oil operations of refinery based on linear programming // Journal of Cleaner Production. 2017. Vol. 166. P. 49-57. DOI: 10.1016/j.jclepro.2017.07.222Wu N.Q., Li Z.W., Qu T. Energy efficiency optimization in scheduling crude oil operations of refinery based on linear programming. Journal of Cleaner Production. 2017;166:49-57. DOI: 10.1016/j.jclepro.2017.07.222Khan W. Z. et al. A reliable Internet of Things based architecture for oil and gas industry // 2017 19th International conference on advanced communication Technology (ICACT). IEEE, 2017. P. 705-710. DOI: 10.23919/ICACT.2017.7890184Khan W.Z. et al. A reliable Internet of Things based architecture for oil and gas industry. In: 19th Int. conf. on advanced communication technology (ICACT). New York: IEEE; 2017:705-710. DOI: 10.23919/ICACT.2017.7890184Anderson R. N. ‘Petroleum Analytics Learning Machine'for optimizing the Internet of Things of today's digital oil field-to-refinery petroleum system // 2017 IEEE International Conference on Big Data (Big Data). IEEE, 2017. P. 4542-4545. DOI: 10.1109/BigData.2017.8258496Anderson R.N. “Petroleum Analytics Learning Machine” for optimizing the Internet of Things of today's digital oil field-to-refinery petroleum system. In: 2017 IEEE Int. conf. on big data (Big Data). New York: IEEE: 2017:4542-4545. DOI: 10.1109/BigData.2017.8258496Duan Q. et al. IoT-enabled service for crude-oil production systems against unpredictable disturbance // IEEE Transactions on Services Computing. 2020. Vol. 13. No. 4. P. 759-768. DOI: 10.1109/TSC.2020.2964244Duan Q. et al. IoT-enabled service for crude-oil production systems against unpredictable disturbance. IEEE Transactions on Services Computing. 2020;13(4):759-768. DOI: 10.1109/TSC.2020.2964244Yang Q. et al. Technoeconomic and environmental evaluation of oil shale to liquid fuels process in comparison with conventional oil refining process // Journal of Cleaner Production. 2020. Vol. 255. 120198. DOI: 10.1016/j.jclepro.2020.120198Yang Q. et al. Technoeconomic and environmental evaluation of oil shale to liquid fuels process in comparison with conventional oil refining process. Journal of Cleaner Production. 2020;255:120198. DOI: 10.1016/j.jclepro.2020.120198Blagitko B. et al. Contactless IoT Sensor of Liquid Level based on Impedance Method // 2019 XIth International Scientific and Practical Conference on Electronics and Information Technologies (ELIT). IEEE, 2019. P. 132-135. DOI: 10.1109/ELIT.2019.8893371Blagitko B. et al. Contactless IoT Sensor of Liquid Level based on Impedance Method. In: XIth Int. sci. and pract. conf. on electronics and information technologies (ELIT). New York: IEEE; 2019:132135. DOI: 10.1109/ELIT.2019.8893371Abhijith H. V., Deepak Raj S., Ramesh Babu H. S. Intelligent Boundary Determination of Oil Spill Detection Using IOT // Proceedings of 3rd International Conference on Internet of Things and Connected Technologies (ICIoTCT). 2018. P. 26-27. DOI: 10.2139/ssrn.3167315Abhijith H.V., Deepak Raj S., Ramesh Babu H.S. Intelligent boundary determination of oil spill detection using IOT. In: Proc. 3rd Int. conf. on Internet of Things and connected technologies (ICIoTCT). Jaipur: MNIT: 2018:26-27. DOI: 10.2139/ssrn.3167315Гарина Е. П., Гарин А. П. Формирование ландшафта процессов как исходный этап выделения комплекса бизнес-процессов [Электронный доступ] // Известия Пензенского государственного педагогического университета им. В. Г. Белинского. 2012. № 28. С. 307-312. URL: https://cyberleninka.ru/article/n/formirovanie-landshafta-protsessov-kak-ishodnyy-etap-vydeleniya-komp-leksa-biznes-protsessov (дата обращения: 21.06.2020).Garina E.P., Garin A.P. Formation of the process landscape as an initial stage in the selection of a complex of business processes. Izvestiya Penzenskogo gosudarstvennogo pedagogicheskogo uni-versiteta im. V.G. Belinskogo. 2012;(28):307-312. URL: https://cyberleninka.ru/article/n/formi-rovanie-landshafta-protsessov-kak-ishodnyy-etap-vydeleniya-kompleksa-biznes-protsessov (accessed on 21.06.2020). (In Russ.).Ильин И. В., Коронатов Н. Н. Математическое моделирование управления производством нефтепродуктов // Журнал исследований по управлению. 2020. Т. 6. №. 3. С. 87-94.Il'in I.V., Koronatov N.N. Mathematical modeling of oil products production management. Zhurnal issledovanii po upravleniyu = Journal of Management Studies. 2020;6(3):87-94. (In Russ.).

The authors declare that there are no conflicts of interest present.